改进的基于平衡二叉决策树的SVM多分类算法

• 作者: 余春艳 林志杰
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 支持向量机 类间距离度量 类间可分性 分离因子 平衡二叉决策树
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1128-1132
• 页数: 5页
• 分类号: TP181
• 字数: 5815字
• 语种: 中文

摘要

基于平衡二叉决策树的支持向量机多分类算法的难点在于构造一棵有效的平衡二叉决策树.为构造有效的平衡二叉决策树,提出一种新的类间距离度量方案,进一步,引入类间可分性以及分离因子的概念,构建了一种新的建树方案,该建树方案从包含所有类的类簇中逐步分离出分离因子最大的类到另外一个类簇,最终形成两个类别数相等的类簇,接着分别递归分解各个类簇,直到各类簇的类别数为1.对照实验表明在训练时间以及识别时间复杂度保持不变的情况下,采用该改进建树方案可有效地提高SVM多分类的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余春艳	福州大学数学与计算机科学学院	39	239	7.0	14.0
2	林志杰	福州大学数学与计算机科学学院	1	11	1.0	1.0